来自 keras 模型的访问损失指标

Question

我正在尝试访问我构建的模型的训练损失，因为我将其称为训练循环。我建立了一个模型如下：

    def create_model(self):
        
        model = Sequential()
        model.add(Dense(172, input_shape=(1, 172), activation = 'relu'))
        model.add(Dense(172, activation = 'relu'))
        model.add(Dense(86, activation = 'relu'))
        model.add(Dense(43, activation = 'relu'))
        model.add(Dense(21, activation = "relu"))
        model.add(Flatten())
        model.add(Dense(7, activation="linear"))
        model.compile(loss="mse", optimizer=Adam(lr=0.001), metrics=['accuracy'])
        return model

而我的合身度如下：

self.model.fit(np.array(X), np.array(y), batch_size=MINIBATCH_SIZE, verbose=0, shuffle=False)

该模型适用于一个批次，并且是更大 class（DQN 代理）的一部分。

因为我运行每个时间步都适合，而且我每集有多个时间步，我怎么能有一个我可以在训练循环中访问的变量，它会给我网络的损失，所以我可以更密切地监视它？（最终目标是将其添加到张量板）

我可以尝试在每一步或每集（300 步）中访问它，无论哪种方式更容易。

Answer 1

您可以将 verbose 更改为 1（显示在 epoch 内不断变化的损失和进度）或将其更改为 2（在每个 epoch 后显示损失）。您还可以将拟合线更改为：

history = self.model.fit(np.array(X), np.array(y), batch_size=MINIBATCH_SIZE,verbose=0, shuffle=False)

然后在n_epochs之后，您可以通过以下调用提取数组中的损失：

losses = history.history['loss']

您可以在一个循环中迭代训练，以您喜欢的频率提取损失，并且可以绘制它们，或者保存它们以单独查看。

来自 keras 模型的访问损失指标

Access loss metric from keras model

python

keras

tensorflow

tensorboard